Spelling suggestions: "subject:"diagnóstico dde módulo pulmonar"" "subject:"diagnóstico dde módulo bipulmonar""
1 |
CARACTERIZAÇÃO DE NÓDULOS PULMONARES SOLITÁRIOS UTILIZANDO ÍNDICE DE SIMPSON E MÁQUINA DE VETORES DE SUPORTE. / CHARACTERIZATION OF SOLID PULMONARY NODULES USING SIMPSON INDEX AND VECTOR MACHINE SUPPORT.SILVA, Cleriston Araújo da 12 February 2009 (has links)
Submitted by Maria Aparecida (cidazen@gmail.com) on 2017-08-18T14:02:37Z
No. of bitstreams: 1
cleriston.pdf: 1605933 bytes, checksum: c1faa5f854c1a9debfbaa1affc5ab4ad (MD5) / Made available in DSpace on 2017-08-18T14:02:37Z (GMT). No. of bitstreams: 1
cleriston.pdf: 1605933 bytes, checksum: c1faa5f854c1a9debfbaa1affc5ab4ad (MD5)
Previous issue date: 2009-02-12 / The diagnosis of lung nodules has been constantly looked for by researchers as
a way to minimize the high global mortality indices related to lung cancer. The
usage of medical images, such as Computerized Tomography, has made
possible the deepening and the improvement of techniques used to evaluate
exams and provide diagnosis. This work presents a methodology for diagnosing
single lung nodules that can be an aid for studies performed on similar areas
and for specialists. This methodology was applied to two different image
databases. The representation of the nodules was done with extraction of
geometry and texture features, being the last one described through Simpson’s
Index, a statistic used in Spatial Analysis and in Ecology. These features were
submitted to the Support Vector Machine classifier (SVM) in two approaches:
the traditional approach and the approach by using One Class. With the
traditional SVM approach, we have obtained sensibility rates of 90%, specificity
of 96.67% and accuracy of 95%. Using One Class SVM, the obtained rates
were: sensibility of 89.7%, specificity of 89.7% and accuracy of 89.7%. / O diagnóstico de nódulos pulmonares tem sido buscado constantemente por
pesquisadores como forma de amenizar os altos índices de mortalidade
mundial relacionado ao câncer de pulmão. O uso de imagens médicas, como a
Tomografia Computadorizada, tem possibilitado um aprofundamento e
melhoramento de técnicas para avaliar exames e prover diagnósticos. Este
trabalho apresenta uma metodologia para diagnóstico de nódulos pulmonares
solitários que possa servir como um auxílio para estudos realizados em áreas
afins e para especialistas. Esta metodologia foi aplicada a duas diferentes
bases de dados de imagens. A representação dos nódulos foi feita com a
extração de medidas de geometria e de textura sendo esta última descrita
através do Índice de Simpson, uma estatística utilizada na Análise Espacial e
na Ecologia. Essas medidas foram submetidas ao classificador Máquina de
Vetores de Suporte - MVS em duas abordagens: a abordagem tradicional e
abordagem usando uma classe. Com abordagem MVS tradicional, obtiveramse taxas de sensibilidade de 90%, especificidade de 96,67% e acurácia de
95%. Usando MVS de uma classe, as taxas obtidas foram: sensibilidade igual a
89,7%, especificidade igual a 89,7% e acurácia igual a 89,7%.
|
2 |
CLASSIFICAÇÃO DE NÓDULOS PULMONARES EM MALIGNO E BENIGNO UTILIZANDO OS ÍNDICES DE DIVERSIDADE DE SHANNON E DE SIMPSON / CLASSIFICATION OF PULMONARY NODULES IN MALIGNANT AND BENIGN USING THE CONTENTS OF DIVERSITY SHANNON AND SIMPSONNascimento, Leonardo Barros 20 April 2012 (has links)
Made available in DSpace on 2016-08-17T14:53:20Z (GMT). No. of bitstreams: 1
dissertacao Leonardo.pdf: 864322 bytes, checksum: 557c6817aff39c2f398ebe22a59ad5c6 (MD5)
Previous issue date: 2012-04-20 / FUNDAÇÃO DE AMPARO À PESQUISA E AO DESENVOLVIMENTO CIENTIFICO E TECNOLÓGICO DO MARANHÃO / Lung cancer is still the leading cause of cancer mortality worldwide, with one of the
lowest survival rates after diagnosis. Therefore, early detection is important to increase the
chances of curing the patient. The diagnosis is more accurate if the specialist has more
information. In view of the above, this work presents a methodology for characterization
about the malignancy or benignity of pulmonary nodules, acting as a second opinion for the
expert. The methodology was applied in two different databases, one with 73 nodes, 26
malignant and 47 benign, and other with 1034 nodes and 517 malignant and 517 benign. The
Diversity Indices of Shannon and Simpson were used as texture descriptors. The features
generated were then subjected to the step of feature selection using the stepwise Discriminant
Analysis. After this stage, they were classified by the Support Vector Machine (SVM)
where we obtained sensitivity of 85.64%, specificity of 97.89% and accuracy of 92.78%. / O câncer de pulmão é ainda a maior causa de mortalidade por câncer em todo mundo,
com uma das menores taxas de sobrevida a partir do diagnóstico. Por isso, sua detecção
precoce é importante para aumentar a chances de cura do paciente, e de quanto mais
informações o médico dispuser, mais preciso será o diagnóstico. Diante do exposto, o
presente trabalho apresenta uma metodologia de caracterização de nódulos pulmonares,
objetivando se tornar uma ferramenta computacional utilizada para sugerir sobre a
malignidade ou benignidade dos mesmos, atuando como uma segunda opinião junto ao
especialista. A metodologia foi aplicada em duas bases de dados diferentes, uma com 73
nódulos, sendo 26 malignos e 47 benignos, e outra com 1034 nódulos sendo 517 malignos e
517 benignos. Os Índices de Diversidade de Shannon e de Simpson foram utilizados como
descritores de textura. As características geradas foram submetidas à etapa de seleção de
características com a utilização da Análise Discriminante stepwise. Após essa etapa foi
realizada a classificação pela Máquina de Vetores de Suporte (MVS) onde foram obtidas
taxas de sensibilidade de 85,64%, especificidade de 97,89% e acurácia de 92,78%.
|
Page generated in 0.0804 seconds